التنبؤ بدرجة حرارة الغرفة عبر مستشعر LM35 والتعلم الآلي: 4 خطوات

2025 مؤلف: John Day | [email protected]. آخر تعديل: 2025-01-23 12:53

مقدمة

نركز اليوم على بناء مشروع تعلم آلي يتنبأ بدرجة الحرارة عبر الانحدار متعدد الحدود.

التعلم الآلي هو أحد تطبيقات الذكاء الاصطناعي (AI) الذي يوفر للأنظمة القدرة على التعلم والتحسين تلقائيًا من التجربة دون أن تكون مبرمجة بشكل صريح ، ويركز التعلم الآلي على تطوير برامج الكمبيوتر التي يمكنها الوصول إلى البيانات واستخدامها للتعلم بأنفسهم.

الانحدار متعدد الحدود: - الانحدار متعدد الحدود هو شكل من أشكال تحليل الانحدار حيث يتم نمذجة العلاقة بين المتغير المستقل x والمتغير التابع y على أنه متعدد الحدود من الدرجة n في x.

التنبؤ: -التعلم الآلي هو وسيلة لتحديد الأنماط في البيانات واستخدامها لعمل تنبؤات أو قرارات تلقائيًا. … بالنسبة للانحدار ، ستتعلم كيفية قياس الارتباط بين متغيرين وحساب أفضل خط مناسب لعمل تنبؤات عندما تكون العلاقة الأساسية خطية.

2. الأشياء المستخدمة في هذا المشروع

مكونات الأجهزة

1. أسلاك توصيل أنثى / أنثى × (حسب الحاجة)
2. اللوح (عام) × 1
3. مستشعر LM35 × 1
4. وحدة Bolt IoT Bolt WiFi × 1

تطبيقات البرمجيات والخدمات عبر الإنترنت

1. بولت إنترنت الأشياء بولت كلاود بولت
2. تطبيق IoT Android

الخطوة 1: توصيل مستشعر LM35 بالمسمار

الخطوة 1: أمسك المستشعر بطريقة تمكنك من قراءة LM35 المكتوب عليه.

الخطوة 2: في هذا الموضع ، حدد دبابيس المستشعر مثل VCC و Output و Gnd من اليسار إلى اليمين.

في صورة الجهاز ، يتم توصيل VCC بالسلك الأحمر ، ويتم توصيل الإخراج بالسلك البرتقالي ويتم توصيل Gnd بالسلك البني.

الخطوة 3: باستخدام سلك من الذكور إلى الإناث ، قم بتوصيل 3 دبابيس من LM35 بوحدة Bolt Wifi على النحو التالي:

• يتصل دبوس VCC الخاص بـ LM35 بـ 5 فولت من وحدة Bolt Wifi.
• يتصل دبوس الإخراج الخاص بـ LM35 بـ A0 (دبوس الإدخال التناظري) لوحدة Bolt Wifi.
• يتصل دبوس Gnd الخاص بـ LM35 بـ Gnd.

الخطوة 2: توقع درجة الحرارة

الخطوة 1: قم بإجراء نفس الاتصالات مثل شاشة "اتصالات الأجهزة لمراقبة درجة الحرارة" ، في موضوع "Interfacing sensor over VPS" الخاص بوحدة "Cloud و API و Alerts".

الخطوة 2: قم بتشغيل الدائرة واتركها تتصل بـ Bolt Cloud. (يجب أن يكون المصباح الأخضر الخاص بالمسمار قيد التشغيل)

الخطوة 3: اذهب إلى cloud.boltiot.com وأنشئ منتجًا جديدًا. أثناء إنشاء المنتج ، اختر نوع المنتج كجهاز إخراج ونوع الواجهة مثل GPIO. بعد إنشاء المنتج ، حدد المنتج الذي تم إنشاؤه مؤخرًا ثم انقر فوق رمز التكوين.

الخطوة 4: في علامة تبويب الأجهزة ، حدد زر الاختيار بجوار دبوس A0. امنح الدبوس اسمًا "temp" واحفظ التكوين باستخدام أيقونة "Save".

الخطوة 5: انتقل إلى علامة تبويب الكود ، أعط رمز المنتج الاسم "توقع" ، وحدد نوع الكود مثل js.

الخطوة 6: اكتب الكود التالي لرسم بيانات درجة الحرارة وتشغيل خوارزمية الانحدار متعدد الحدود على البيانات ، وحفظ تكوينات المنتج.

setChartLibrary ("مخطط google") ؛

setChartTitle ("متعدد الحدود") ؛

setChartType ('predictionGraph') ؛

setAxisName ('time_stamp'، 'temp') ؛

مول (0.0977) ؛

plotChart ('time_stamp'، 'temp') ؛

الخطوة 7: في علامة تبويب المنتجات ، حدد المنتج الذي تم إنشاؤه ثم انقر فوق رمز الارتباط. حدد جهاز Bolt الخاص بك في النافذة المنبثقة ، ثم انقر فوق الزر "تم".

الخطوة 8: انقر فوق الزر "نشر التكوين" ثم رمز "عرض هذا الجهاز" لعرض الصفحة التي قمت بتصميمها. يوجد أدناه لقطة شاشة الإخراج النهائي.

الخطوة 9: انتظر لمدة ساعتين تقريبًا حتى يقوم الجهاز بتحميل نقطة بيانات كافية إلى السحابة. يمكنك بعد ذلك النقر فوق زر التنبؤ لعرض الرسم البياني للتنبؤ بناءً على خوارزمية الانحدار متعدد الحدود.